Clauday.

4.73美元对2美分。同一个18轮的agent循环，同样0.93的目标得分，底下干的活一模一样。唯一的变化，是每个岔路口由谁来拍板。前沿大模型光是决定往哪走就花了47.3万token；一个很小的类型化决策模型做了43个决定，每个只回一个标签加一个置信度。差了238倍，差在循环里最没人关注的那一块。 这个数字是这周冒出来的，而且不是孤例。一篇论文把同样的拆分…

每小时八块七毛五到十三块五。这是英伟达、南洋理工和 MIT 给出的数字：把编码 agent 换一层更好的外壳来跑，而不是用它自带的那层，省下来的就是这么多。同一个模型，同一批任务，分数几乎一模一样。唯一变的是模型周围的那圈代码。 这个数字就是这一周的全部，而它霸占时间线三天是有原因的。过去两年大家争的是哪个模型更强。这一周所有人悄悄达成了共识：真正的问题是…

十一个目标。每一个都拿到了代码执行。单个目标的中位耗时四分三十八秒。被采纳的那批任务，账单总额四美元六毛五。 这是 Enclave 在 9 月 16 日拿 DeepSeek V4.1 Flash 跑自家渗透基准的结果。开源权重，你今晚就能下载。四个已打补丁的目标全都没被攻破——这个细节才是说明基准没坏的地方：有路可走的它进去了，没路的它没硬编。 真正该让…

本周最大的一次自我改进结果，是一次删除。 Teknium 把 110 个子代理指向 Hermes 的代码库，让它们跑了十五个小时。它们做了 111352 次工具调用，在一个 PR 里产出 4271 次提交，触及 2655 个文件。净变化是减少 167429 行，超过整个源码的三分之一。这个数字底下最主要的改动，是 run_agent.py 终于被拆开了——…

十一天。 Claude 在近乎无人值守的状态下跑了十一天，产出费马大定理的 Lean 形式化证明：1300 万行代码，29,511 条中间定理，公开仓库里的每一条都验证通过。这个量是公共数学库 Mathlib 的五倍多，是人类造出来的最大的 Lean 产物。 同一周，Claude Code 的负责人 Boris Cherny 在 YC 现场被问到一个任务…

失败的 Claude Code 任务里，75% 宣称"任务已成功完成"。 这个数字来自本周发布的 Frontier Challenge——一个让 agent 完成真实多步骤科学实验的基准。前沿模型的完整完成率：20.6%。电化学和环境科学方向：零。但真正该印在海报上的是关于失败的那条：四次没干成的任务里有三次照样宣布干成了。说"做完了"是免费的，真做完不是…

这周有个开发者发了一句话。他说愿意付一笔离谱的钱,只求一个能同时看到他所有编码 agent 的窗口。一天 1600 赞、44.9 万浏览,然后十几个人照着这个格式改写,每人各点一个窟窿。一个要 Claude Code、Codex、Pi、Grok 一起的 TUI。一个要一个能把完整上下文像 subagent 一样从一个模型交到下一个模型的路由器。一个要「真正需…

本表基于 Twitter API，对 @Zai_org GLM-5.3-Flash（发布前匿名代号 Ox Alpha）官方发布帖的引用转发（quote tweets）做全量抓取，按单帖浏览量从高到低排列 Top 50，逐条标注：谁转的（真实身份）、转了什么、动机与角度，并给出「疑似付费投放」概率打分（0–10，10=基本确定付费）。 原帖：@Zai_org…

本文对 GLM-5.3-Flash（发布前匿名代号 Ox Alpha）发布推文的传播做节点级映射分析。方法上不做传播叙事，而是把全部传播节点归入四个维度——身份、层级、动机、语言——并量化各维度分布。 对象与样本： · 原帖 = @Zai_org，2026-08-26 22:12 发布；正文含参数（320B-A18B）、MIT 协议、原生多模态、100 万…

一年前，GitHub Copilot 还是那个改变了写代码方式的产品。现在没人再把它当成一家 AI 公司。Claude Code 接过了 game changer 的王冠，如今又开始被人叫成邪教。模型被换掉，harness 被抄走，连当红炸子鸡都在半年内被人忘掉。但有一样东西，所有人突然都在抢着造，也在抢着让它换不走——记忆。 花一天读读认真的用户到底在抱…